买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院南京地理与湖泊研究所申请的专利融合多源数据及其空间自相关性的土壤属性空间预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117056858B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310939608.X，技术领域涉及：G06F18/25；该发明授权融合多源数据及其空间自相关性的土壤属性空间预测方法是由林书睿;朱青设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本融合多源数据及其空间自相关性的土壤属性空间预测方法在说明书摘要公布了：本发明公开了一种融合多源数据及其空间自相关性的土壤属性空间预测方法，采集目标区域的环境变量；将所述目标区域的环境变量分别输入到预先训练好的土壤属性数据与环境变量线性关系模型和预先训练好的土壤属性数据与环境变量非线性关系模型，分别得到线性模型土壤属性数据预测值和非线性模型土壤属性数据预测值；利用多尺度地理归一化加权融合模型将所述线性模型土壤属性数据预测值和非线性模型土壤属性数据预测值进行融合，得到该目标区域的土壤属性数据最终预测值。优点：预测结果精度较原始被融合数据有较大提升，并且优于常规线性及非线性融合方法；考虑了土壤属性的空间自相关性，本发明在各种复杂环境下均能保持较好的预测性能。

本发明授权融合多源数据及其空间自相关性的土壤属性空间预测方法在权利要求书中公布了：1.一种融合多源数据及其空间自相关性的土壤属性空间预测方法，其特征在于，包括： 采集目标区域的环境变量； 将所述目标区域的环境变量分别输入到预先训练好的土壤属性数据与环境变量线性关系模型和预先训练好的土壤属性数据与环境变量非线性关系模型，分别得到线性模型土壤属性数据预测值和非线性模型土壤属性数据预测值； 利用多尺度地理归一化加权融合模型将所述线性模型土壤属性数据预测值和非线性模型土壤属性数据预测值进行融合，得到该目标区域的土壤属性数据最终预测值； 所述多尺度地理归一化加权融合模型的融合过程为： 获取所述多尺度地理归一化加权融合模型的变程以及待预测的目标网格； 以待预测的目标网格为中心，将所有网格在平面上划分为四个象限，获取变程范围内的每个网格层的线性模型土壤属性数据预测值和非线性模型土壤属性数据预测值；所述所有格网为利用地图软件生成的目标区域的由多个格网组成的栅格数据； 获取预先确定的对应线性模型的最佳归一化指数和最佳带宽以及对应线非性模型的最佳归一化指数和最佳带宽； 根据对应线性模型的最佳带宽计算每一层相对目标网格的不同象限对应的空间权重，将每一层相对目标网格的不同象限对应的空间权重求和取平均值得到每个象限的平均空间权重，再根据对应线性模型的最佳归一化指数对每个象限的平均空间权重进行归一化处理，得到归一化的空间权重矩阵；根据所有网格层的线性模型土壤属性数据预测值计算所有网格层相同象限中的土壤属性数据的平均值，得到对应线性模型的自变量矩阵；根据归一化的空间权重矩阵和对应线性模型的自变量矩阵相乘并求和得到线性模型对应的最终值； 根据对应非线性模型的最佳带宽计算每一层相对目标网格的不同象限对应的空间权重，将每一层相对目标网格的不同象限对应的空间权重求和取平均值得到每个象限的平均空间权重，再根据对应非线性模型的最佳归一化指数对每个象限的平均空间权重进行归一化处理，得到归一化的空间权重矩阵；根据所有网格层的非线性模型土壤属性数据预测值计算所有网格层相同象限中的土壤属性数据的平均值，得到对应非线性模型的自变量矩阵；根据归一化的空间权重矩阵和对应非线性模型的自变量矩阵相乘并求和得到非线性模型对应的最终值； 将线性模型对应的最终值和非线性模型对应的最终值相加得到目标网格的土壤属性数据最终预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院南京地理与湖泊研究所，其通讯地址为：210016 江苏省南京市北京东路73号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。